基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究

为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twin support vector regression,LSTSVR)算法进行风电场风速预测。分别介绍了LSTSVR、EEMD及自适应变异粒子群算法原理。给出基于EEMD和LSTSVR的风速预测流程,以安徽女儿岭风电场测风声雷达30、70 m处风速采样数据为例,开展基于EEMD和LSTSVR的风速预测算法验证,预测结果误差分析表明:基于EEMD+LSTSVR+自适应变异粒子群算法可以实现风电场风速的高精度预测。     

基于分组策略的多目标三维装箱算法

目的 针对现有三维装箱算法优化目标单一、优化效率低的问题,提出适用于求解大规模货物装载问题的多目标装箱算法,以提高装箱规划效率,确保货物运输安全。方法 考虑5种现实约束条件,以体积利用率和装载垛型重心偏移量为优化目标,建立多目标货物装载优化模型。采用拟人式装箱对货物进行预分组,减小决策空间,然后结合分组信息与装箱算法生成初始解;引入数据驱动的装箱交叉算子提高算法收敛性;设计多策略变异算子提高算法结果的多样性。结果 以公共数据集和真实航空货物数据作为实验数据进行实验。实验结果表明,在满足多种约束条件下,集装箱装载强异构货物平均体积利用率达到92.0%,重心位置空间偏移从20 cm减少到7.5 cm,并且算法运行时间减少了73.5%。结论 本文所提算法应用于求解大规模多目标三维装箱问题,提高了装箱质量和效率,可为三维装箱算法的工程应用提供参考。     

基于突变微粒群算法的图像融合技术

文中利用突变微粒群算法进行图像融合;将图像融合问题转化为优化问题,通过使目标函数(平均梯度)最大以求得好的融合效果;并以离散平稳小波变换代替传统的离散小波变换,以克服离散小波变换缺乏平移不变性的缺点;先对源图像进行离散平稳小波分解,细节部分利用能量系数矩阵进行融合;对于近似部分,利用突变微粒群算法求出最优权值对近似部分进行加权融合;实验结果表明,该方法的融合效果优于传统的融合算法。     

多目标遗传算法在GPS动态车辆调度中的应用研究

围绕车辆调度问题多目标优化这一主题,依据企业现有的GPS定位系统,设计一种基于实数编码和精英保留策略,综合应用外部惩罚函数法的多目标遗传算法.并于其中创新性的引入基因校验算子,避免了重复车次的产生.程序使用Java语言编制,后台数据库使用oracle.实验结果表明,该算法能够充分满足系统硬约束条件,快速收敛于目标约束,完成车辆的优化调度,具有较强的实用价值.     

改进的粒子群优化算法在QoS选播路由中的应用

QoS选播路由问题是一个非线性的组合优化问题,已被证明是NP完全问题.提出一种基于改进的粒子群优化的多QoS选播路由算法.算法引入一种特殊相加算子,让较差的路径能够不断向较好的路径学习,使算法尽可能向全局最优者靠近;设计一种随机变异算子,通过对全局极值进行随机变异,保证了粒子的多样性,提高了算法跳出局部最优解的能力.实验结果表明,该算法是可行和有效的,能够在资源预留的基础上较好地满足用户对带宽和时延的要求.     

改进检测子生成算法在入侵检测中的应用

检测子生成是阴性选择算法(NSA)的关键步骤,现有检测子生成算法存在检测子生成效率不高、合格检测子冗余。针对该问题,改进检测子生成算法,对随机生成检测子进行二次耐受减少非自体空间的交叉覆盖区域,引入变异机制降低随机检测子与自体的碰撞概率。实验结果表明,改进算法对Probe攻击和DoS攻击的检测均优于NSA算法。     

面向构件接口变异的模型检验技术研究

随着构件技术在软件开发中的广泛应用,人们对构件化软件系统质量的要求也在不断提高。该文运用模型检验技术进行接口变异测试的相关研究工作。该文首先详细介绍了基于模型检验技术的变异测试的基本原理,随后通过对构件集成时接口之间的交互关系进行分析后,提出了通过构造接口函数调用关系模型进行基于模型检验的接口变异测试方法。最后,通过实例进行了对JavaBean构件的接口测试用例的自动生成。     

基于GA的MTSP问题的研究

目前对于旅行商问题的研究已经到了一个比较成熟的阶段,但是对于多旅行商问题的研究还相对较少。文章针对使所有旅行商路程尽可能平均（即所有旅行商路程的最大值最小）,且所有旅行商的总路程最小的一类多旅行商问题进行研究,通过三交换启发式交叉算子,变换变异算子和矩阵解码方法来优化简单的遗传算法。最后通过仿真试验,验证了该算法的有效性和可行性。     

一种改进的非支配排序多目标遗传算法

多目标进化算法的研究目标是使算法快速收敛,并且广泛而均匀分布于问题的非劣最优域。在NSGA-Ⅱ算法的基础上,提出了一种新的变异算子。该算子具有良好的局部搜索能力,提高了算法的效率。改进后的算法与原算法相比较,结果表明新算法较好地改善了分布性和收敛性。     

交通网络设计问题的人工鱼群算法

人工鱼群算法是一种新的群体智能优化算法,可较好地避免局部极值并取得全局极值,但针对离散优化问题却存在开发平衡及探索能力差等缺点。为此,设计一种自适应变异的人工鱼群算法,在迭代过程中添加变异算子并自动调节视野范围和拥挤度因子。将该算法应用于多等级选择的离散型交通网络二层规划模型设计中,上下层模型分别采用人工鱼群算法及Frank-Wolfe算法进行求解,从而为求解这类模型提供新方法。仿真结果表明,该算法具有较好的稳定性和收敛速度,能够应用于大型城市交通网络设计中。